【摘要】：隨著“中國(guó)制造2025”的提出,國(guó)內(nèi)機(jī)械制造業(yè)蓬勃發(fā)展,制造技術(shù)日新月異,對(duì)檢測(cè)技術(shù)的要求逐步提高。傳統(tǒng)的人工手動(dòng)接觸式零件尺寸檢測(cè)方式速度較慢且精度低、柔性差,無(wú)法滿足目前的檢測(cè)需求。同時(shí)目前能夠?qū)崿F(xiàn)精密檢測(cè)的儀器價(jià)格非常昂貴且抗干擾能力差,無(wú)法適應(yīng)工廠環(huán)境配合自動(dòng)生產(chǎn)線實(shí)現(xiàn)在線檢測(cè)的要求。而基于機(jī)器視覺(jué)的檢測(cè)技術(shù)具有快速、精確、柔性強(qiáng)、成本低等特點(diǎn)。因此,本文依托機(jī)器視覺(jué)技術(shù),設(shè)計(jì)了一套零件尺寸檢測(cè)系統(tǒng)以提高檢測(cè)精度和速度。本文選取Opencv圖像處理庫(kù)結(jié)合C#開(kāi)發(fā)工具設(shè)計(jì)零件尺寸檢測(cè)系統(tǒng),對(duì)圖像處理過(guò)程中的關(guān)鍵技術(shù)和系統(tǒng)的標(biāo)定問(wèn)題進(jìn)行了深入研究,實(shí)現(xiàn)了對(duì)零件尺寸邊緣的亞像素定位檢測(cè)。首先,本文以具有代表性的回轉(zhuǎn)體零件作為研究對(duì)象,根據(jù)工件表面的反光特點(diǎn)及尺寸參數(shù),通過(guò)實(shí)驗(yàn),對(duì)比分析常用的三種照明方式,分別選取其中最能突顯工件直徑及高度特征的照明方式。采取三種濾波方式,分別對(duì)采集的圖像進(jìn)行去噪處理后,分析不同濾波方式下同一行像素的灰度變化,選擇最合理的一種濾波方法降低對(duì)邊緣模糊度的影響。其次,根據(jù)系統(tǒng)檢測(cè)精度和速度的要求,本文提出了一種融合形態(tài)學(xué)改進(jìn)的Canny算子邊緣檢測(cè)方法,在不損失檢測(cè)精度的前提下大幅度提高檢測(cè)速度,達(dá)到了邊緣單像素級(jí)定位精度。另外,本文提出了一種改進(jìn)的Zernike亞像素邊緣算子,該算子能夠自動(dòng)獲取階躍灰度最優(yōu)值,使系統(tǒng)具有了魯棒性。最后,本文詳細(xì)地闡述了本系統(tǒng)的尺寸測(cè)量原理,為了避免出現(xiàn)“邊緣輪廓點(diǎn)野值”影響檢測(cè)精度的問(wèn)題,將Hough與最小二乘擬合相結(jié)合,來(lái)提高直線擬合的檢測(cè)精度。利用該零件尺寸檢測(cè)系統(tǒng),進(jìn)行單一工件重復(fù)測(cè)量和多類型工件多次測(cè)量實(shí)驗(yàn),記錄尺寸數(shù)據(jù)和檢測(cè)時(shí)間。實(shí)驗(yàn)結(jié)果表明,本檢測(cè)系統(tǒng)能夠滿足本文設(shè)計(jì)指標(biāo)。另外,針對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行誤差分析,并對(duì)誤差來(lái)源提出了改進(jìn)方案�；谝陨戏治�,該零件檢測(cè)系統(tǒng)滿足目前的檢測(cè)需求,且具備普遍適用性。
【圖文】：

從圖 2-2 b) 暗視場(chǎng)低角度照明方式可以看出零件圖像邊緣處對(duì)比度比圖2-2 a)，圖像細(xì)節(jié)更加全面，易于系統(tǒng)后面零件邊緣輪廓提取。a) 明視場(chǎng)高角度照明 b) 暗視場(chǎng)低角度照明圖 2-2 環(huán)形光照射Fig.2-2 Ring light irradiation根據(jù)高度檢測(cè)需求，通過(guò)對(duì)工件進(jìn)行前向照明和背光照明方式（相機(jī)、鏡頭均相同）進(jìn)行對(duì)比分析如圖 2-3 對(duì)比，觀察發(fā)現(xiàn)背光照明時(shí)，零件邊緣輪廓

a）明視場(chǎng)照明 b）背向照明圖 2-3 背照明對(duì)比Fig.2-3 Comparison of Backlighting圖像預(yù)處理圖像預(yù)處理是后續(xù)零件邊緣提取、零件尺寸測(cè)量的基礎(chǔ)。常用的圖像預(yù)處法有圖像濾波、圖像增強(qiáng)、形態(tài)學(xué)圖像處理等方法，但是在尺寸測(cè)量的系一般只采用圖像濾波進(jìn)行圖像去噪，其中形態(tài)學(xué)中的開(kāi)閉運(yùn)算、圖像增強(qiáng)原始圖像中邊緣位置改變影響尺寸系統(tǒng)檢測(cè)精度，因此不建議使用。圖像就是濾除采集的原始圖像中的噪聲，，特別是在零件圖像邊緣附近的噪聲。圖像中的噪聲會(huì)對(duì)后續(xù)的零件邊緣提取造成很大的干擾，會(huì)出現(xiàn)偽邊緣的，影響系統(tǒng)的檢測(cè)精度[20]。1 圖像噪聲來(lái)源及影響圖像噪聲就是傳感器芯片光電轉(zhuǎn)化和圖像傳輸過(guò)程中受到外界環(huán)境因素導(dǎo)[21]
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;TH161.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李菊生;吳明永;;大型回轉(zhuǎn)體零件表面輪廓誤差分析與實(shí)時(shí)補(bǔ)償?shù)挠?jì)算方法[J];化工管理;2015年03期

2 王曉輝;程健慶;韓瑜;;攝像機(jī)標(biāo)定的棋盤格角點(diǎn)自適應(yīng)檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用;2014年S1期

3 喻夏瓊;高巖;陳向?qū)?;基于非線性優(yōu)化的攝像機(jī)2D標(biāo)定法[J];測(cè)繪工程;2013年05期

4 汪迪;葉峰;王世勇;董志鵬;;基于機(jī)器視覺(jué)的銑刀幾何參數(shù)測(cè)量[J];電子設(shè)計(jì)工程;2013年08期

5 郭斯羽;翟文娟;唐求;朱院娟;;結(jié)合Hough變換與改進(jìn)最小二乘法的直線檢測(cè)[J];計(jì)算機(jī)科學(xué);2012年04期

6 楊浩;裴蕾;李昌順;;基于Zernike矩亞像素邊緣檢測(cè)的快速算法[J];計(jì)算機(jī)應(yīng)用研究;2011年11期

7 黃品松;徐杜;蔣永平;郭斌;陳濟(jì)棠;孔海鵬;梁柱;;零件尺寸圖像檢測(cè)數(shù)據(jù)處理與高精度檢測(cè)方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2011年09期

8 張捷;李新德;戴先中;;基于立體靶標(biāo)的攝像機(jī)標(biāo)定方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

9 段汝嬌;趙偉;黃松嶺;陳建業(yè);;一種基于改進(jìn)Hough變換的直線快速檢測(cè)算法[J];儀器儀表學(xué)報(bào);2010年12期

10 魏本征;趙志敏;華晉;;基于改進(jìn)形態(tài)學(xué)梯度和Zernike矩的亞像素邊緣檢測(cè)方法[J];儀器儀表學(xué)報(bào);2010年04期

相關(guān)碩士學(xué)位論文 前10條

1 郭聿荃;基于機(jī)器視覺(jué)的機(jī)械零件識(shí)別技術(shù)研究[D];吉林大學(xué);2016年

2 陳浩;基于相機(jī)畸變校正的視覺(jué)測(cè)量方法[D];長(zhǎng)春工業(yè)大學(xué);2015年

3 馬琳;基于機(jī)器視覺(jué)的模具殘留物檢測(cè)系統(tǒng)研究[D];東華大學(xué);2015年

4 雷紅勝;基于機(jī)器視覺(jué)的零件尺寸測(cè)量及加工精度分析[D];南昌航空大學(xué);2014年

5 楊光;基于機(jī)器視覺(jué)的精密零件尺寸檢測(cè)關(guān)鍵技術(shù)研究[D];沈陽(yáng)理工大學(xué);2014年

6 王苗苗;基于機(jī)器視覺(jué)的圓形零件尺寸測(cè)量方法研究[D];遼寧大學(xué);2012年

7 陽(yáng)建中;圖像去噪和邊緣檢測(cè)研究[D];廣西師范大學(xué);2011年

8 胡林和;機(jī)器視覺(jué)缺陷檢測(cè)系統(tǒng)若干問(wèn)題的研究[D];合肥工業(yè)大學(xué);2010年

9 程志輝;基于Hough變換的幾何規(guī)則零件二維尺寸測(cè)量的算法研究[D];湖北工業(yè)大學(xué);2009年

10 任文杰;圖像邊緣檢測(cè)方法的研究[D];山東大學(xué);2008年

本文編號(hào)：2595908